Littératie IA : savoir réagir quand le résultat paraît plausible

Pourquoi le sujet arrive maintenant

Les publications de 2026 permettent déjà de cadrer le débat. La Commission rappelle en 2026 que la maîtrise de l’IA doit être adaptée aux rôles, aux risques et au contexte d’usage. Une sensibilisation générique ne remplace pas la capacité à utiliser et superviser les outils de façon sûre. L’OIT souligne en août 2026 que l’adoption de l’IA modifie la combinaison de compétences attendues et renforce notamment le besoin de compétences cognitives de niveau supérieur, socioémotionnelles, numériques et de littératie IA. Je m’en sers pour cadrer le problème, pas pour fabriquer une certitude. L’entreprise doit encore vérifier ce qui est vrai chez elle.

Un salarié sait expliquer ce qu’est un LLM mais ne sait pas quand vérifier une source ou arrêter l’usage. Le détail paraît banal jusqu’au moment où il faut en répondre. C’est là que la vraie question apparaît : le vrai test n’est pas la connaissance du vocabulaire, mais la réaction face à une sortie séduisante, incomplète ou risquée.

Ce que le mot cache

Une compétence IA utile se voit dans une situation de travail, pas dans la capacité à réciter le nom des modèles. Elle ne tient pas dans un prompt : il faut comprendre le problème, vérifier la sortie, protéger les données et savoir interrompre l’usage. Plus la sortie paraît convaincante, plus la connaissance du métier compte pour reconnaître ce qui cloche vraiment. La partie vraiment utile du sujet est celle-ci : Le vrai test n’est pas la connaissance du vocabulaire, mais la réaction face à une sortie séduisante, incomplète ou risquée. Le résultat visible n’est qu’une partie du coût : le contrôle et les reprises peuvent augmenter derrière.

Le cas où ça dérape

C’est précisément là qu’une formule trop simple devient dangereuse. Le bon niveau de prudence se décide sur les conséquences, pas sur la sophistication technique. Un salarié sait expliquer ce qu’est un LLM mais ne sait pas quand vérifier une source ou arrêter l’usage. Le critère de décision doit rester observable et compréhensible par la personne qui assume le résultat.

Comment le regarder sans jargon

Je regarderais un point avant tous les autres : évaluer des décisions en situation, pas seulement des connaissances déclaratives. Compare plusieurs semaines, pas une seule démonstration. La stabilité compte autant que le meilleur résultat obtenu une fois. Ensuite, regarde où réapparaît la charge. Une étape plus rapide peut créer une file d’attente ailleurs.

Partir d’une situation réelle et demander à la personne d’expliquer ses choix, pas seulement son prompt. L’intérêt est surtout de créer un critère observable. Si personne ne peut dire si ce point est respecté, la règle restera décorative.

Tester la capacité à repérer une réponse plausible mais insuffisante. Le but n’est pas d’ajouter une couche de procédure. C’est de rendre visible la décision qui existait déjà, souvent de manière implicite.

Inclure les règles de données, de confidentialité et de vérification propres au métier. C’est le moment de comparer la promesse au flux réel, pas au scénario idéal préparé pour la démo.

Rejouer l’exercice lorsque l’outil change afin de vérifier que la compétence est transférable. Le détail est moins spectaculaire que l’outil, mais il protège celui qui devra reprendre le résultat derrière.

Le point à retenir

L’outil peut prendre une action en charge. La responsabilité du processus, elle, doit toujours avoir un propriétaire clair. Plus le résultat est sensible, plus le niveau de preuve, de contrôle et de possibilité de reprise doit être explicite.

Le bon réflexe n’a rien de spectaculaire : évaluer des décisions en situation, pas seulement des connaissances déclaratives. C’est moins spectaculaire qu’une démo, mais beaucoup plus utile pour faire tenir l’usage dans le temps.